Measuring trust in medical research: Perspectives from racial and ethnic communities underrepresented in research
Notice bibliographique
Résumé
Introduction: Underrepresentation of diverse populations in medical research undermines generalizability, exacerbates health disparities, and erodes trust in research institutions. This study aimed to identify a suitable survey instrument to measure trust in medical research among Black and Latino communities in Baltimore, Maryland. Methods: Based on a literature review, a committee selected two validated instruments for community evaluation: Perceptions of Research Trustworthiness (PoRT) and Trust in Medical Researchers (TiMRs). Both were translated into Spanish through a standardized process. Thirty-four individuals participated in four focus groups (two in English, two in Spanish). Participants reviewed and provided feedback on the instruments' relevance and clarity. Discussions were recorded, transcribed, and analyzed thematically. Results: Initial reactions to the instruments were mixed. While 68% found TiMR easier to complete, 74% preferred PoRT. Key discussion themes included the relevance of the instrument for measuring trust, clarity of the questions, and concerns about reinforcing negative perceptions of research. Participants felt that PoRT better aligned with the research goal of measuring community trust in research, though TiMR was seen as easier to understand. Despite PoRT's lower reading level, some items were found to be more confusing than TiMR items. Conclusion: Community feedback highlighted the need to differentiate trust in medical research, researchers, and institutions. While PoRT and TiMR are acceptable instruments for measuring trust in medical research, refinement of both may be beneficial. Development and validation of instruments in multiple languages is needed to assess community trust in research and inform strategies to improve diverse participation in research.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,106 | 0,151 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,007 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».